MétaCan
Menu
Retour à la cohorte
Enregistrement W4415712665 · doi:10.1016/j.ifacol.2025.10.125

Interpolating Control for Precision Positioning affected by pre-sliding Friction

2025· article· en· W4415712665 sur OpenAlexaff
Per Olof Gutman, Hoai‐Nam Nguyen, Ari Berger, Arkady Lichtsinder

Notice bibliographique

RevueIFAC-PapersOnLine · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueIterative Learning Control Systems
Établissements canadiensWorld Wildlife Fund Canada
Organismes subventionnairesTechnion-Israel Institute of Technology
Mots-clésPosition (finance)Control theory (sociology)RegulatorConvergence (economics)VibrationResidualWaferPosition sensor

Résumé

récupéré en direct d'OpenAlex

For wafer inspection, an X-Y stage is used to position the wafer under a probe, such as X-ray or similar, with an accuracy of tens of nano-meters or less. The point-to-point movement typically consists of three phases: “move” when the position is controlled to follow a so-called S-curve, “settle” when the position is made to enter the convergence window, and “idle” when residual vibrations are damped and the position reaches the set-point with required accuracy. The “move” and “settle” plants are characterized by double-integrator dynamics with viscous and Coulomb friction, and the “idle” plant by pre-sliding friction dynamics that can be modeled as one or more mass-spring-damper systems. Taking into account high-frequency parasitic resonances and anti-resonances, non-linearities, and uncertainties, it is in general difficult, or impossible, to design one linear regulator for all three phases. Hence, one regulator is generally applied for “move” and “settle”, and another one for the ”idle” phase. The problem of switching between the regulators, preferably in a bump-less way in order not to evoke the parasitic resonances, has been treated in an ad-hoc manner in the literature and in industrial practice. Here, we suggest bump-less transfer between the regulators based on interpolating control, using a recent, simple friction model that includes pre-sliding.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,003
Tête enseignante GPT0,232
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIFAC-PapersOnLineMême sujetIterative Learning Control SystemsTravaux en français237 207